Beras miskin atau yang biasanya disebut raskin merupakan subsidi pangan dalam bentuk beras yang diperuntukkan bagi rumah tangga berpenghasilan rendah, sebagai upaya dari pemerintah untuk meningkatkan ketahanan pangan. Metode pendataan masyarakat penerima bantuan raskin di Kelurahan Dawuhan masih manual dan penyimpanan data yang digunakan masih dalam bentuk kertas, sehingga membutuhkan waktu yang lama untuk pengolahan data. Berdasarkan permasalahan yang terjadi diperlukan sebuah sistem yang mampu melakukan penentuan penerima bantuan raskin, agar tidak terjadi permasalahan yang sama pada penentuan penerima bantuan raskin. Banyak metode yang dapat digunakan untuk menentukan klasifikasi penerima bantuan raskin. Untuk memilih metode klasifikasi terbaik, dilakukan perbandingan antara beberapa metode untuk klasifikasi, yaitu metode naive bayes dan metode k-nearest neighbor. Berdasarkan dari beberapa penelitian, metode naive bayes dan k-nearest neighbor merupakan metode yang cukup efektif dan menghasilkan akurasi tinggi.  Data yang digunakan dalam penelitian ini berupa dataset dari data penerima dan bukan penerima bantuan raskin terdiri dari 8 kriteria dan dibagi menjadi dua kelas, yaitu layak dan tidak layak menerima bantuan raskin. Kelas layak menerima bantuan raskin diberi nilai 1, dan kelas yang tidak layak menerima raskin diberi nilai 0. Perhitungan manual ini menggunakan 111 dataset, yang terdiri dari 80 data training dan 31 data testing. Berdasarkan hasil pengujian, diperoleh nilai akurasi terbaik sebesar 93,55% untuk metode naive bayes dan 96,77% untuk metode k-nearest neighbor. Dapat disimpulkan metode terbaik untuk klasifikasi penerima bantuan raskin adalah k-nearest neighbor